Gids-gekoppelde quiz · Moeilijk Niveau
CUDA- en GPU-programmeerquiz
Controleer de kernconcepten van CUDA, waaronder kernels, SIMT-uitvoering, geheugentoegang, gedeeld geheugen en programmeertools voor GPU's op een hoger niveau.
Vraag 1 van 8
Wat is in CUDA-terminologie een 'kernel'?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat is in CUDA-terminologie een 'kernel'?
- Een functie die parallel wordt uitgevoerd door veel GPU-threads
- De kern van een besturingssysteem
- Een soort geheugenchip
- Het koelsysteem van de GPU
- Wat betekent het SIMT-uitvoeringsmodel?
- Trage invoer, veel overdrachten
- Eén instructie, meerdere threads voeren dezelfde instructie uit op verschillende gegevens
- Eén afbeelding, meerdere texturen
- Opeenvolgende instructies, handmatige timing
- Waarom vereisen PyTorch en TensorFlow zelden dat gebruikers onbewerkte CUDA schrijven?
- GPU's kunnen geen gebruikerscode uitvoeren
- CUDA is illegaal om rechtstreeks te gebruiken
- Ze noemen intern geoptimaliseerde CUDA-bibliotheken zoals cuDNN en cuBLAS
- Ze draaien alleen op CPU's
- Wat is 'warp-divergentie' en waarom schaadt dit de prestaties?
- Een netwerkfout waardoor pakketten verloren gaan
- De GPU buigt fysiek onder hitte
- Een bug die geheugen verwijdert
- Draden in een ketting hebben verschillende takken en moeten serieel lopen
- Waarom is 'samengevoegde' geheugentoegang belangrijk in CUDA?
- Aangrenzende threads die aangrenzende adressen lezen, zijn veel efficiënter
- Het codeert gegevens automatisch
- Het maakt schijfruimte vrij
- Het schakelt de GPU-fans uit
- What is OpenAI Triton in relation to CUDA programming?
- A CUDA driver that replaces NVIDIA GPUs
- A Python-like language and compiler for writing efficient GPU kernels
- A model-serving server that only loads TensorFlow checkpoints
- A framework that converts GPUs into CPUs
- What does a CUDA kernel launch configuration specify?
- A model tokenizer vocabulary
- The number of training labels
- The grid and block dimensions used to organize thread execution
- The host operating system
- Why might a CUDA kernel use shared memory?
- To make data available across every cluster without communication
- To replace all registers
- To store the model permanently on the GPU
- To let threads in a block reuse data from a faster on-chip memory space